2002～2025年中债国债到期收益率数据

今天给大家分享一份 2002～2025 年中债国债到期收益率数据。由 中国债券信息网 处理得到（公开数据爬取整理）。

什么是「利率期限结构」呢？在投资市场中，人们发现，期限不同但其他条件相同的零息债券，其到期收益率是不相同的。我们把某个时点上零息债券的到期收益率（即期利率）与到期期限之间的关系，称为利率期限结构。由于零息债券的数量有限，且期限大多在一年之内，因此在研究利率期限结构时，通常用政府债券（如国债）来替代零息债券。中债国债到期收益率正是刻画这一结构最常用、最权威的日度序列。

数据概览

中国债券信息网提供了 2002 年至今各种期限的中债国债到期收益率数据，通过爬取并整理，我们得到了一份覆盖全国、日度频率的面板数据：

• 2002～2025年中债国债到期收益率数据.dta

数据一共 5996 个观测值（交易日），包含 1 个日期变量与 21 个特定期限的到期收益率变量：

变量名	含义	变量名	含义
date	日期	rate6m	6 月期
rate0d	隔夜	rate9m	9 月期
rate1m	1 月期	rate1y	1 年期
rate2m	2 月期	rate2y	2 年期
rate3m	3 月期	rate3y	3 年期
rate4y	4 年期	rate5y	5 年期
rate6y	6 年期	rate7y	7 年期
rate8y	8 年期	rate9y	9 年期
rate10y	10 年期	rate15y	15 年期
rate20y	20 年期	rate30y	30 年期
rate40y	40 年期	rate50y	50 年期

这份数据的具体用途包括：

• 研究利率期限结构：直接刻画即期利率与到期期限之间的关系，分析收益率曲线的形态（水平、斜率、曲率）及其时变特征；
• 债券定价与估值：作为无风险利率基准，用于贴现现金流、计算债券理论价格与久期；
• 货币政策与宏观经济预期分析：10 年期国债收益率是长期利率的重要锚，其变化反映市场对增长与通胀的预期，10Y-1Y 利差常被用作经济周期与衰退的领先指标；
• 计算远期利率与利差：基于相邻期限的收益率可推导隐含远期利率，构建各类期限利差指标。

图表展示

下图展示了各期限中债国债到期收益率的走势（以 1 月期、3 月期、6 月期、1 年期、2 年期、3 年期、5 年期、7 年期、10 年期、20 年期为例）：

处理代码

本数据的处理方法如下（代码位于 code/ 文件夹，由微信公众号 RStata 爬取并整理）：

1. 数据获取与清洗（Stata）：按年从中国债券信息网下载收益率 Excel 文件，导入后删除表头、生成日期变量，并将「期限—收益率」长表 reshape 为宽表。

*- 按年下载中国债券信息网的收益率 Excel 文件
copy "http://yield.chinabond.com.cn/cbweb-mn/yc/downYearBzqx?year=2024&&wrjxCBFlag=0&&zblx=txy&&ycDefId=2c9081e50a2f9606010a3068cae70001&&locale=zh_CN" 2024.xlsx, replace
copy "http://yield.chinabond.com.cn/cbweb-mn/yc/downYearBzqx?year=2025&&wrjxCBFlag=0&&zblx=txy&&ycDefId=2c9081e50a2f9606010a3068cae70001&&locale=zh_CN" 2025.xlsx, replace

*- 导入 Excel 并整理为面板结构
import excel using "2024.xlsx", clear
drop if A == "日期"
gen date = date(A, "YMD")
format date %tdCY-N-D
drop A
ren B stterm
ren C term
ren D rate
reshape wide term rate, i(date) j(stterm) string
drop term*
destring, replace
save 2024, replace

2. 合并拼接（Stata）：将各年数据与历史 dta 合并、去重并按日期排序，调整变量顺序后保存为最终面板数据。

*- 与历史数据合并、去重并排序
use "中债国债到期收益率数据(截止2024年7月23日).dta", clear
drop if date >= mdy(1, 1, 2024)
append using 2024
append using 2025
duplicates drop _all, force
gsort date
order date rate0d rate1m rate2m rate3m rate6m rate9m rate1y rate2y rate3y rate4y rate5y rate6y rate7y rate8y rate9y rate10y rate15y rate20y rate30y rate40y rate50y
label data "爬取 & 整理：微信公众号 RStata"
save "2002～2025年中债国债到期收益率数据", replace

3. 三维利率期限结构曲面（R 语言）：使用 plotly 包绘制「日期 × 期限 × 收益率」的三维曲面。

# 读取数据并整理为矩阵
library(tidyverse)
library(plotly)

haven::read_dta("2002～2025年中债国债到期收益率数据.dta") -> df

df %>%
  select(-date) %>%
  as.data.frame() %>%
  as.matrix() -> data

df %>%
  select(date) %>%
  pull(date) -> date

row.names(data) <- date
colnames(data) -> term

# 绘制三维利率期限结构曲面
plot_ly() %>%
  add_surface(x = ~date, y = ~term, z = ~data) %>%
  layout(
    scene = list(
      xaxis = list(title = "日期"),
      yaxis = list(title = "期限"),
      zaxis = list(title = "中债国债到期收益率")
    )
  )

4. 动态图表合成（R 语言）：先用 Stata 批量绘制一系列静态图，再用 cowplot + av 合成为动态视频（中债国债到期收益率期限结构动态变化.mp4）。

# 将静态图序列合成为 mp4 动态视频
library(cowplot)
library(av)
library(tidyverse)
library(fs)

# 静态图渲染的表达式
makeplot <- function(){
  datalist <- as.list(fs::dir_ls('pic'))
  lapply(datalist, function(data){
    p <- ggdraw() +
      draw_image(data)
    print(p)
  })
}

av_capture_graphics(expr = makeplot(),
                    output = "中债国债到期收益率期限结构动态变化.mp4",
                    res = 120, width = 1200,
                    height = 800, framerate = 11)

附件中也提供了该数据的处理代码供参考：

数据引用格式

由于该数据包含较多 RStata 处理的内容，在研究中使用该数据请使用清晰的方式注明数据来源于 RStata 或者 RStata 数据中心，并使用如下格式引用：

RStata 数据中心: 2002～2025年中债国债到期收益率数据. 2026. https://tidyfriday.cn/rsdb2/

英文文献可以使用下面的格式引用：

RStata Data Center: ChinaBond Treasury Bond Yield to Maturity Data, 2002–2025. 2026. https://tidyfriday.cn/rsdb2/

原始数据来源于中国债券信息网：https://yield.chinabond.com.cn/cbweb-mn

关联课程/数据推荐

Stata 绘制动态图表：中债国债到期收益率期限结构动态变化：https://rstata.duanshu.com/#/course/ea1257b6f931439fb14e9d03633ddf75

从原始数据到动态图表 —— 在 R 中完成所有操作：https://rstata.duanshu.com/#/course/75834e56e77e477698a5683e9f556579

Stata 网络数据爬取：JSON 篇：https://rstata.duanshu.com/#/course/c6de9fae65df4eeb814d2275545e224d

点击这里跳转到 RStata 短书平台获取附件：2002～2025年中债国债到期收益率数据